基于多种群遗传算法的航天复杂系统测试任务调度

针对航天复杂系统型号较多,传统测试流程与调度设计只能人工定制化排布,效率较低且未有效优化,同时,考虑到航天复杂系统快速测试的迫切需求,提出一种基于多目标遗传算法的航天测试流程自动生成方法。该方法在测试项集合明确的前提下,将测试项抽象为离散事件,以测试总时间和测试资源均衡度为优化目标,充分考虑航天器测试的诸多约束,将其作为遗传算法执行过程中交叉或变异的禁忌项。在初始种群确定后,对测试流程和调度方案进行自动生成和优化。对算例的仿真结果表明,该方法相对于同实验条件下的传统半串行测试方法和单目标优化方法,测试总时间或资源均衡度得到了较大提升。在进一步扩展优化目标和约束项后,该方法可有效提高航天复杂系统测试过程的快速响应能力和可靠性。

基于多种群遗传算法的钢框架结构优化设计

传统的基于力学分析软件的结构设计方法存在效率低下、依靠专家经验等局限性,采用智能算法能实现高效的结构自动优化设计。然而,由于随机搜索特征,优化结果和收敛性高度依赖于算法的参数设置,需要通过试算来确定其合理取值,该方法会造成优化效率低、计算量大等问题。引入多种群协作和信息共享机制来改善此类问题,并研究其在结构优化设计中的适用性。利用MSC.Marc软件建立钢框架结构有限元模型,采用底部剪力法将地震作用等效为水平荷载施加到结构上,搭建有限元软件与智能算法的自动优化过程,以结构的总体材料用量最低为目标,考虑了层间位移角、应力比、构件稳定性和宽厚比等多种约束条件,以遗传算法为基础,通过适应度尺度变换、基于方向的交叉算子、非均匀变异算子、自适应概率、精英保留策略、重复项替代机制、基于约束的策略对其进行改进,引入多种群思想,对比多种算法优化结果的差异。结果表明:基于多种群的遗传算法能有效改善优化结果对算法参数的依赖性,提高结构优化设计的效率。

基于改进多种群遗传算法的核电热力系统参数优化

核电机组二回路热力系统是将热能转化为机械能并进行发电的关键部分,在保证安全的基础上提高其效率具有重要意义。对此,首先根据热平衡法建立热力系统的数学模型。其次,在多种群遗传算法的基础上增加并行机制与协同策略,结合自适应策略提出一种改进多种群遗传算法,并利用测试函数测试其寻优性能。最后,以机组循环热效率为目标函数,回热再热抽汽流量为决策变量,在约束条件下采用改进算法对热力系统进行优化设计。结果表明:改进多种群遗传算法比标准遗传算法与多种群遗传算法更有效率且收敛精度高;采用该优化算法后,机组循环热效率提高了1.18%。

多种群遗传算法下电网源网荷多时段优化调度

电网源网荷多时段调度分配衔接不当,造成能源跨区消纳较高,利用率较差。为此,提出基于多种群遗传算法的电网源网荷多时段的优化调度方法。利用种群优化算法建立不间断和间断的供给优化调度模型。采用遗传调度算法进行数据迭代,根据用户的舒适度和经济度建立目标函数,在满足约束条件的基础上,确定时间尺度,实现优化调度。实验结果表明,多种群遗传算法下电网源网荷多时段优化调度能够很好地实现跨区消纳,能源利用率能够达到98.95%,具有较好的实用价值。

基于多种群遗传算法的分布式光伏接入配电网规划研究

针对分布式光伏接入配网系统的优化规划问题,提出一种兼顾经济性和安全性的光伏并网规划方法。以接入容量最大、投资运行维护成本最低、网络有功损耗最小为经济性规划目标,以电压偏差、电压波动、谐波指标为规划约束,建立光伏并网的多目标约束优化模型。采用多种群遗传算法求解规划模型。利用控制参量不同的多个种群协同进行优化搜索,同时在单个种群的操作中引入适应度函数标定和自适应算法,克服算法求解多目标约束优化模型未成熟收敛的缺陷。结合IEEE33节点配电系统进行求解分析,验证所提出模型和方法的有效性,并对不同负荷、接入方案、功率因数下的规划方案进行对比研究,归纳不同因素对规划结果的一般性影响规律。

多种群遗传算法在无铁心永磁直线同步电机优化设计中的应用

为了同时实现应用于步进扫描投影光刻机中的长行程直线电机的高推力密度、低推力波动和低铜损耗,提出了基于多种群遗传算法(multiple population genetic algorithm,MPGA)的环形绕组形式无铁心永磁直线同步电机(air-corepermanent magnet linear synchronous motor,ACPMLSM)多目标优化设计方法。在建立磁场分析模型的基础上,推导了关键参数的解析表达式。以永磁体、环形绕组的尺寸为变量,以推力体积比、电机常数和推力波动为优化目标,提出了基于权重系数的多目标优化函数,应用搜索能力强、收敛速度快的多种群遗传算法优化电机的结构尺寸。结果表明,在不同的权重系数下,MPGA得到的电机优化设计结果与设计目标具有良好的一致性。有限元仿真和实验结果证明了所提方法的有效性和可行性。

基于多种群遗传算法的一般机器人逆运动学求解

几何结构不满足Pieper准则的机器人被称为一般机器人,其逆运动学运算不能采用封闭解法,而采用数值解法又需要庞大的计算量,且存在奇异位置无法求解的问题。为此,将多种群遗传算法应用于运动学逆解运算,提出一种适用于一般机器人的高精度并行求逆算法。为避免机器人位姿收敛精度不同,该算法将目标函数分解为位置和姿态函数,同时引入适应度函数权值系数来平衡两函数收敛速度;为避免局部收敛,该算法采用多点交叉和均匀交叉相结合的交叉算子,并逐步增大均匀交叉概率来抑制短子串偏差,使搜索趋于稳健;为提高收敛速度,该算法采用动态变异率的变异算子,以及种群替代和个体替代相结合的移民算子来克服全局收敛的盲目性。以封闭解法和数值解法无法求逆的6R一般机械臂为对象,开展与单种群遗传算法的对比试验,结果表明:该算法可在避免局部收敛的基础上保证算法稳定性,且能够大幅提升收敛精度和速度。

基于多种群遗传算法的电力系统多目标优化

为解决电力系统经济问题中的多目标问题,如煤耗和排放两个目标函数间最优解的相互冲突,协调好各目标函数,提出一种基于交互式多目标处理方法的多种群遗传算法。该算法通过追求最小总体协调度,即寻求满足总体协调度的最短"欧氏距离",来获得决策者的满意理想值;算法还引入精英策略和移民策略,提高寻优范围和效率,且能有效克服标准遗传算法通过迭代次数终止迭代、易早熟的缺陷。优化结果能体现决策者的主观意愿。实验算例验证了该算法的寻优效率,结果表明了算法的适用性和可行性。

基于模拟退火多种群遗传算法的港口船舶调度优化

为协调港口航道与泊位资源,提高港口船舶调度效率,从单向航道出发,根据先后调度的2艘船舶的进出港方向和所停靠泊位的远近区分两船间的相对关系,建立以总等待时间最少为目标的调度优化数学模型。设计适用于港口船舶调度优化的模拟退火多种群遗传算法(Simulated Annealing and Multiple Polulation Genetic Algorithm,SAMPGA),模拟某港口不同调度规模的船舶进行仿真试验,与先到先服务规则(First Come First Served,FCFS)和简单遗传算法(Simple Genetic Algorithm,SGA)进行比较,证明SAMPGA在解决航道和泊位协调调度问题上的适用性。结果表明:在现有的调度规则下对航道和泊位进行协调调度能减少船舶的等待时间和总调度时间,但实际调度规则需要考虑的限制因素更多,需对模型作进一步优化。

基于Petri网和多种群遗传算法的海洋核动力平台电力系统网络重构

针对现有海洋核动力平台电力系统网络重构方法中功率流分析复杂,且重构模型求解算法难以稳定收敛到全局最优解的问题,提出一种基于Petri网和多种群遗传算法的核动力平台电力系统网络重构方法。综合故障后负荷恢复量、开关操作代价和发电机运行效率指标建立系统网络重构目标函数;基于Petri网对系统进行拓扑建模,将储能装置等效为负值"负荷",通过动态更新机制确定功率流分布;采用多种群遗传算法求解网络重构问题,获取满足系统约束的最佳开关状态组合方案。典型核动力平台电力系统算例表明,所提方法能有效防止算法局部收敛以及减少迭代次数,快速提供完备的系统重构方案。

基于多种群遗传算法的无功规划

考虑了无功规划中负荷预测水平的不确定性,提出了多种负荷预测方式下综合效果最优的无功规划模型。在用遗传算法求解规划问题时,未成熟收敛现象是不可忽视的问题。该文分析了未成熟收敛现象产生的根本原因,并基于移民和人工选择的遗传算法思想(GAMAS),引入了多种群遗传算法(MPGA),并根据其特点进行了一定的改进,较好地改善了简单遗传算法(SGA)的未成熟收敛现象,提高了算法的全局搜索能力和局部搜索能力。通过实际算例,证明了本算法在寻优有效率和成功寻优的迭代次数方面与SGA相比都有较大地改善。

采用多种群遗传算法的全景成像系统非球面设计

提出了一种基于多种群遗传算法（MPGA）的折反射全景成像系统非球面元件的设计方法。结合广义科丁顿公式及几何光学原理,推导出非球面两镜系统像散表达式。在此基础上,利用MPGA,以像散作为非球面两镜系统像差评价参数,求解出满足消像散及指定透视投影关系的非球面面形方程。给出MPGA求解非球面面形的实现过程,并用遗传算法最小二乘混合优化算法得到了便于实现光线追迹和像差计算的非球面多项式。研制了一个焦距为-1.2 mm,F数为1.5,视场为360°×（35-90°）的折反射全景成像系统,给出了实验图像,获得了较好的成像质量。

基于多种群遗传算法的电动变桨系统的变论域模糊控制

针对电动变桨系统的时变性、非线性、大惯性及风速不确定性等特点,提出一种基于多种群遗传优化算法的电动变桨系统的变论域模糊控制方法。在该方法中,通过分析确定变论域伸缩因子的结构,利用多种群遗传算法优化其参数,实现伸缩因子参数的智能寻优,有效解决了模糊控制器精度不高、模糊控制中规则数量与控制精度之间的矛盾。在遗传算法迭代中,染色体采用实数编码、多种群、多目标并行搜索,利用最优个体最少保持代数作为算法终止判断。将设计的优化变论域模糊控制器应用于电动变桨系统的速度控制中,根据速度环的性能指标建立合适的目标函数,通过对基本论域自适应调整,实现了速度环的自适应控制。仿真结果表明,基于多种群遗传优化算法的变论域模糊控制在动态性能和稳态性能上优于变论域模糊控制。

基于多种群遗传算法的自动化立体库货位优化

针对自动化立体仓库作业效率和安全性的要求,以货物出入库作业时间、货架整体等效重心和关联产品间相对聚集程度为目标函数,构建了多目标货位分配优化数学模型。将多目标模型加权归一化处理后,用简单加权遗传算法求解,为避免出现未成熟收敛问题,提出了多种群遗传算法求解货位分配优化数学模型,并结合玩具车组装和自动化立体库实验,求得自动化立体库货位分配结果并对比分析,验证了多种群遗传算法的有效性,为自动化立体库货位分配和优化提供了一种有效的解法。

基于多种群遗传算法的含分布式电源的配电网故障区段定位算法

构建了可动态适应多个分布式电源投切的开关函数,同时针对遗传算法的早熟收敛问题,引入多种群遗传算法,提出基于多种群遗传算法的含分布式电源配电网故障区段定位方法。该算法在故障区段定位时规定以系统电源指向用户的方向为馈线正方向,采用多个种群对解空间协同搜索,避免算法陷入局部最优,以最优个体保持代数作为收敛条件,充分提高收敛效率,适用于复杂的含分布式电源的配电网络。通过算例对配电网的故障定位进行仿真,结果表明算法能准确定位,并具有一定的有效性和容错性。

多种群遗传算法的倒立摆LQR控制器设计

针对传统遗传算法在设计倒立摆LQR控制器时,算法会因个别超常个体或群体较快趋于单一化而导致不能得到满意控制参数的问题,利用Sheffield遗传工具箱,设计了多种群遗传算法。算法的开始引入了多个种群同时进行优化搜索,不同的种群采用不同的交叉概率和变异概率,种群之间采用移民算子建立联系,各种群产生的最优个体通过精华种群实现留优。在Simulink环境下建立模型并计算性能指标,Simulink环境下的输出值作为多种群遗传算法的目标函数值。仿真结果表明,在存在建模误差的情况下,本算法稳定性好、遗传代数小,有效地避免了早熟,更为适合复杂问题的优化。

基于多种群遗传算法的永磁涡流驱动器的多目标优化设计

为了优化永磁涡流驱动器的几个关键结构参数,研究了基于多种群遗传算法的多目标优化算法。首先,在磁场分析模型的基础上,推导出关键结构参数的解析表达式。以永磁体厚度、极弧系数和铜盘厚度为变量,以输出转矩、转动惯量和驱动器体积为优化目标,提出了基于熵值权重的永磁驱动器多目标优化函数,然后应用多种群遗传算法对永磁涡流驱动器进行优化。通过三维有限元仿真和实验验证了优化结果的准确性和可行性。最后,将计算结果与其他两种优化方法得到的结果进行了对比。结果表明,相比其他优化算法,该基于解析模型的多种群遗传算法在结构参数优化设计中有更好的计算效果。

基于多种群遗传算法的大跨度斜拉桥索力优化

针对大跨斜拉桥索力优化问题的非线性特点以及简单遗传算法易早熟收敛的缺陷,提出了一种基于多种群遗传算法的斜拉桥索力优化方法。以结构的最小加权弯曲应变能作为目标函数,并加以多约束条件,建立索力优化模型;通过改进多种群遗传算法的编码方式,将其应用于大跨斜拉桥的索力优化中;在此基础上综合运用MATLAB及APDL语言编制了大跨斜拉桥索力优化程序。以南京长江三桥为工程实例进行计算分析,结果显示采用多种群遗传算法优化斜拉桥索力是可行且有效的,优化后全桥结构内力均匀合理,该方法操作简单,具有较高的实用价值。

实数编码多种群遗传算法的改进及应用

本文首先从分析实数编码的GA理论出发,提出实数编码条件下不需要继续沿用二进制编码条件下常用的传统单点、两点及多点交叉算子,基因选择可采用基因位独立(locus independent)的方式进行.据此研制了相应的交叉算子,并给出了一种实现方式,试验计算验证了该算子的有效性.其次,针对地球物理反演问题的复杂性以及遗传算法参数设置对问题的敏感性,将算法性能调整的灵活性作为方法选择的重要标准,采用了多种群遗传算法作为反演方法,设计了两个种群级的改进策略,并验证了其效能.最后,将改进的实数编码多种群遗传算法应用于重力模型反演,完成了梯形变密度体组合模型和2.5度体多边形棱柱组合模型的反演试算,取得了预期效果,并成功地应用于新疆地区实际资料的处理与解释.

多种群遗传算法在湿蒸气参量测量中的应用

为了利用激光散射法快速准确地测量出汽轮机中湿蒸气的参量值,实时监测汽轮机末级蒸汽湿度,指导汽轮机安全运行,采用多种群遗传算法,用三次样条插值的方法代替散射理论公式,以理论值与测量值的最小二乘值为目标函数,设置合适的控制参量,对加入高斯白噪声的仿真数据和模拟汽缸的实验数据进行搜索寻优。结果表明,多种群遗传算法能够克制过早收敛,准确地搜索到全局最优解,在遗传代数内反演出湿蒸气的各个参量。该研究对激光散射法测量湿蒸气参量或其它微粒粒度分布的反演是有帮助的。